CN104135920A - 将脑信号与脑状态的有意改变和无意改变关联 - Google Patents

将脑信号与脑状态的有意改变和无意改变关联 Download PDF

Info

Publication number
CN104135920A
CN104135920A CN201380011124.3A CN201380011124A CN104135920A CN 104135920 A CN104135920 A CN 104135920A CN 201380011124 A CN201380011124 A CN 201380011124A CN 104135920 A CN104135920 A CN 104135920A
Authority
CN
China
Prior art keywords
data
normalization
spectrogram
study subject
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201380011124.3A
Other languages
English (en)
Other versions
CN104135920B (zh
Inventor
P·S·洛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neurovigil Inc
Original Assignee
Neurovigil Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Neurovigil Inc filed Critical Neurovigil Inc
Publication of CN104135920A publication Critical patent/CN104135920A/zh
Application granted granted Critical
Publication of CN104135920B publication Critical patent/CN104135920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
    • A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A61B5/741—Details of notification to user or communication with user or patient ; user input means using sound using synthesised speech
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Abstract

本发明公开了分析以提取并评估从包括人在内的受试动物收集的脑数据来检测有意脑活动和无意脑活动以及其它非预期的信号的方法。将这些信号与更高的脑认知功能或无意的潜在不良事件(如中风或癫痫)关联，并与这些信号到限定的触发事件或任务的转译关联。

Description

将脑信号与脑状态的有意改变和无意改变关联
交叉引用
本申请要求2012年1月24日提交的美国临时专利申请序列号61/590,235和2013年1月24日提交的美国实用型新专利申请序列号13/749,619的优先权，这些专利申请的内容以引用的方式整体并入本文。
发明领域
本发明涉及分析以提取并评估从包括人在内的受试动物收集的脑数据来检测有意脑信号以及无意和其它非预期的脑信号的方法。将这些信号与更高的脑认知功能或无意的潜在不良事件(如中风或癫痫)关联，并与这些信号到限定的触发事件或任务的转译关联。更具体地，本发明涉及一种从EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP或得自由受试对象的脑活动所调制或调制脑活动的外围通道的其它信号进行的生理数据采集。
发明背景
脑电图(EEG)是用于测量脑产生的电活动的工具。脑的功能活动由放置在头皮上的电极收集。EEG在传统上提供关于患者脑功能的重要信息。头皮EEG被认为是用于测量由离子流出或流入已由神经递质约束的树突所导致的细胞外间隙中的突触后存在的电流聚集。因此，EEG和相似的模态在神经学中主要用作癫痫诊断工具，但是这项技术也可用于研究其它病理，包括睡眠障碍。
EEG和其它信号检测的最新进展已经允许通过对脑活动数据的归一化以及其它操作来自动实时检测睡眠和觉醒状态。另外，这些应用和方法还可用于自动获取病理状况和药疗效果。相关技术已经允许利用单通道检测器实时获取这些数据。这继而为进一步剖析睡眠和觉醒状态(包括REM与深度睡眠状态之间的清楚差异)提供机会。为有助于有效收集这些数据，已经利用单通道和无线数据传输开发出了头与带具系统(head and harness system)。参见(例如)国际专利申请号PCT/US2006/018120；国际专利申请号PCT/US2009/064632；国际专利申请号PCT/US2010/054346；美国专利申请号8,073,574；以及Low,Philip Steven(2007)“A new way to look at sleep:separation andconvergence”.Published Thesis,University of California San DiegoElectronic Theses and Dissertations(标识号：b6635681)，这些文献以引用的方式整体并入本文。至今，这项技术已经主要被应用于睡眠相关诊断引用以及病理和药疗的影响。
开发已在有希望使截瘫患者重新行走并且执行他们当前无法执行的其它任务的外骨骼和相关假体领域继续进行。另外，这些装置还可用于健康个体，如战场上的士兵、现场急救人员(first responder)、施工工程人员等。如Esko Bionics、Parker Hannifan以及Argo MedicalTechnologies的公司一直推进这些技术。参见(例如)美国专利号8,096,965；国际专利申请号WO2010101595A1；以及2006年11月15日提交的美国专利申请号11/600,291。另外，其它装置被利用来允许患有ALS、MS等的严重缺陷个体使用语音合成器等进行通信。通常，这些装置通过颊肌、使用眼睛跟踪器的眼睛等的移动激活。
因此，需要无创方法检测来自受试对象(包括失能个体)的有意通信和无意通信以评估并潜在响应脑状态的这些改变的生理暗示或为其做出准备。
发明概述
本发明提供这样的方法：通过例如EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP等来无创地检测来自健康和患病受试对象(包括患有如ALS、MS等神经疾病的失能个体)的呈生理数据形式的有意通信和无意通信，并将这些有意信号和无意信号与脑状态的改变(包括更高认知功能)关联。也还需要利用这些有意通信来(例如)模拟言语或移动人工假体。另外需要获取来自患有如癫痫(或身体中的导致脑活动的改变的疾病)的病理状况的受试对象的无意信号，所述无意信号将与病理状况关联并可选地用于触发警报和/或干涉以更改、抑制所述无意事件或为所述无意事件做出准备。
在本发明的一种优选方法中，来自受试对象的无意脑信号通过以下方式检测：将至少单个传感器附接至所述受试对象；获得指示脑活动的数据；分析指示脑活动的所述数据；以及将所述分析过的数据与来自所述受试对象的有意更高认知功能关联。优选地，所述数据通过施加至少所述单个传感器至所述受试对象，并且更优选地通过施加至少单个干传感器或至少单个湿传感器而无创地获得。另外，优选的是，所述数据是从EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP的至少单通道或由所述受试对象的意识所调制的外围通道接收。在替代实施方案中，所述数据通过多通道检测器接收。另外，优选的是，无线地传递并接收所述数据。
在另一优选实施方案中，通过以下方式分析所述数据：以时间随频率方式归一化所述数据的包括归一化光谱图在内的光谱图至少一次；以及以频率随时间方式归一化相同数据的包括归一化光谱图在内的所述光谱图至少一次，其中两次归一化能以任一次序执行并可重复进行。在另一优选实施方案中，通过以下方式分析所述数据：计算所述数据的所述光谱图；归一化所述光谱图；执行所述归一化光谱图的独立或主要分量分析；以及标识群集。另外，所述分析步骤还可包括：执行时间碎片分析、优选频率分析、重复(优选地两次或多于两次)优选频率分析和/或光谱碎片分析。
在尤其优选的实施方案中，本发明的方法进一步包括：转译所述分析过的数据以影响与所述更高认知功能相关联的任务，所述更高认知功能包括但不限于意图、言语、回忆、思维、想象以及计划(包括但不限于运动)。重要地，由转译所述分析过的数据所影响的所述任务包括：在显示器上对言语进行模拟、使用语音合成器对言语进行模拟、或移动人工假体、或移动外骨骼等。
在本发明方法的又一优选实施方案中，将来自受试对象的脑信号通过以下方式与至少一个无意事件关联：将至少单个传感器附接至所述受试对象；获得指示脑电波活动的数据；分析指示脑活动的所述数据；以及将所述分析过的数据与至少一个无意事件关联。在另一实施方案中，在将所述数据与无意事件关联后，触发警报。或者，在将所述数据与无意事件关联后，可以触发响应以便改善所述无意事件的影响，这可包括更改、抑制所述无意事件或为所述无意事件做出准备(这也可以触发警报)。这种响应将对以下情况尤其有效：无意事件高碎片化事件；事件的碎片的改变；受惊；震颤；痉挛；损伤；或包括但不限于癫痫发作、偏头痛、中风、心脏病发作或梗塞形成的病理。
在另一优选实施方案中，本发明的方法通过以下方式检测来自受试对象的有意信号：将能够检测所述有意信号的至少一个检测器附接至所述受试对象；使用EEG、EMG、EOG、MEG、ECG、ECoG、iEEG、LFP、fMRI或由来自所述受试对象的所述有意信号所调制的外围通道来获得指示检测到的活动的数据；分析指示所述检测到的活动的所述数据；以及将所述分析过的数据与来自所述受试对象的有意更高认知功能关联。预期本文描述的任何方法、系统或信息可相对于本文描述的任何其它方法、系统或信息实现。
除非另外定义，否则本文中使用的所有术语均具有与本发明所属领域中的普通技术人员通常所理解的相同的含义。本文针对本发明的用途描述了方法和材料；也可使用在本领域中已知的其它合适的方法和材料。材料和方法以及实施例只是说明性的，并且并不意图进行限制。本文所提及的所有公布、专利申请、专利以及其它参考文献以引用的方式整体并入本文。如有矛盾，以包括定义在内的本说明书为准。
本发明的这些和其它实施方案在结合以下描述和附图考虑时将被更好地了解和理解。然而，应当了解，虽然指示本发明的各种实施方案和其众多特定细节，但是以下描述仅以说明而非限制方式给出。可在不脱离本发明的精神的情况下在本发明的范围内进行许多替代、修改、添加和/或重排，且本发明包括所有此类替代、修改、添加和/或重排。
附图简述
为了清楚理解并易于实践本发明，本发明将结合附图进行描述，其中相似参考符号指示相同或类似的元件，这些图示并入本说明书并构成了本说明书的一部分。
专利或申请文件包含至少一幅以彩色绘制出的绘图。这份专利或专利申请公布的带有一幅或多幅彩色绘图的副本在函索并支付必要费用后将会由专利局提供。
图1是示出使得进行信号分析的实施例的一系列的图。左列示出传统分析，并且右列示出对闭上眼睛(A)、挤压左手(B)、挤压右手(C)、挤压左脚(D)以及挤压右脚(E)使用本发明的方法的分析。最后两图(F)示出对处于休息状态的受试对象进行的左列中的传统分析和右列中的使用本发明的方法的分析。
图2A至E是与图1A至E所指示的相同的、通过本发明的方法分析的任务的数据(缺少图1F的休息状态)。绿线指示用于开始二或四秒任务的语言提示的定时，并且红线指示用于停止任务并且放松十秒的语言提示的时间。
图3A至E是与图1A至E所指示的相同的、通过本发明的方法使用时间碎片分析的任务的数据(缺少图1F的休息状态)。绿线指示用于开始二或四秒任务的语言提示的定时，并且红线指示用于停止任务并且放松十秒的语言提示的时间。
图4A至E是与图1A至E所指示的相同的、使用一次或多次归一化分析的任务的数据(缺少图1F的休息状态)。确切地说，这些图绘出了总的γ高频功率以及超高γ(hgamma)范围。绿线指示用于开始二或四秒任务的语言提示的定时，并且红线指示用于停止任务并且放松十秒的语言提示的时间。
图5A至E是与图1A至E所指示的相同的、使用一次或多次归一化分析的任务的数据(缺少图1F的休息状态)。确切地说，对于图5A至D，这些图绘出了总的α频率功率对总的γ频率功率，而对于图5F利用δ频率(闭上眼睛)。绿线指示用于开始二或四秒任务的语言提示的定时，并且红线指示用于停止任务并且放松十秒的语言提示的时间。
图6是示出本发明的方法应用于有意信号的流程图。
图7是示出(例如)癫痫的情况下本发明的方法应用于无意信号的的流程图。
图8示出的是，对于γ频率功率(A)、α频率功率(B)、总α与γ频率功率(C)以及总的α频率功率与超高γ频率功率的比率，通过使用一次或多次归一化，并使踢足球与查看卧室形象化且在两者之间交替来分析数据。绿线指示用于开始的语言提示的定时，并且红线指示用于停止十秒间隔的语言提示的时间。
图9是使用了本发明的方法的计算机界面的屏幕截图。
图10是柯尔莫哥洛夫-斯米尔诺夫(Kolmogorov-Smirnov,KS)两样本式检验，其中来自如图1A至E列出的由无法活动的ALS受试对象执行的每个任务的10折交叉轴线归一化的迭代优选频率谱图指示可以标识多于一个有意事件。每个光谱图来自不同于任何其它任务的分布的分布(并且在这个特定试验中，这个受试对象的左手挤压与右脚挤压的不同程度较小)。
详述
应当理解，本发明的附图和描述已经简化成示出对于清楚理解本发明相关的元件，同时出于清楚目的，消除可是能众所周知的其它元件。本文以下将会参照附图提供详细描述。
以下本发明的一个或多个实施方案的详细描述与示出本发明的原理的附图一起提供。本发明是结合这些实施方案来描述的，但是本发明不限于任何实施方案。本发明的范围仅由权利要求书来限制，并且本发明涵盖众多替代、修改以及等同物。以下描述中阐述了众多特定细节，以便提供对本发明彻底理解。这些细节出于示例目的而提供，并且本发明可根据权利要求书来实践，而无需特定细节中的一些或全部。出于清楚目的，本发明相关的技术领域中已知的技术材料尚未详细描述，以免对本发明造成不必要的模糊。
本申请中术语“受试对象”是指动物和人这两者。现在参照图6，其中公开的是示出本方法的优选实施方案的流程图100。确切地说，受试对象形象化并形成根据本发明由至少单个传感器101接收的有意脑信号。优选地，此传感器包括单个湿电极或单个干电极。进入信号被中继到计算装置，如计算机，在此分析102所述进入信号以便确定限定事件是否已经发生103。优选地，这指示了与来自受试对象的更高认知功能关联的脑活动。随后，计算机就生成信号104，这个信号被中继到外围装置上的一个或多个接收器105。外围装置的实施例可以包括语音合成器、包括外骨骼等的假体装置。如图6指出，这些方法优选地实时发生并提供受试对象意识信号之间连续的响应和反馈查看以及这些信号到与由受试对象意识控制的外围装置相关的命令的转译。在尤其优选实施方案中，来自受试对象的数据信号从EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP的至少单通道或从由受试对象的意识所调制的外围通道接收。在优选替代方案中，数据通过与计算装置和一个或多个外围装置无线接合的多通道检测器接收。
现在参照图7，其中公开的是示出本方法的替代优选实施方案的另一流程图106。确切地说，针对无意事件的存在(例如，中风或癫痫)经由根据本发明由至少单个传感器107接收的脑信号对受试对象进行监测。优选地，此传感器包括单个湿电极或单个干电极。进入信号被中继到计算装置，如计算机，在此分析108所述进入信号以便确定限定无意事件是否已经发生109。存在众多潜在有害无意事件的实施例，包括但不限于惊奇、震颤、痉挛、损伤、或包括但不限于癫痫发作、偏头痛、中风、心脏病发作或梗塞形成的病理。
随后，计算机就生成信号110，这个信号被中继到外围装置上的一个或多个接收器。此情况中，外围装置是刺激装置111，用于通过刺激受试对象的脑区112来改善癫痫患者体内即将出现的癫痫发作的影响。如由本领域的技术人员将会了解，外围装置111还可抑制或不改变(或影响)受试对象112。例如，警报触发以便警示受试对象或护理人。在尤其优选实施方案中，来自受试对象的数据信号从EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP的至少单通道或从由监测的无意事件的无意发生所调制的外围通道接收。在优选替代方案中，数据通过与计算装置和一个或多个外围装置无线接合的多通道检测器接收。
在图6和图7两者中示出的方法的另一优选实施方案中，通过以下方式分析所述数据：以时间随频率方式归一化所述数据的包括归一化光谱图在内的光谱图至少一次；以及以频率随时间方式归一化相同数据的包括归一化光谱图在内的所述光谱图至少一次，其中两次归一化能以任一次序执行并可重复进行。在另一优选实施方案中，通过以下方式分析所述数据：计算所述数据的所述光谱图；归一化所述光谱图；执行所述归一化光谱图的独立或主要分量分析；以及标识群集。另外，所述分析步骤还可包括：执行时间碎片分析、优选频率分析、重复(优选地两次或多于两次)优选频率分析和/或光谱碎片分析。
在优选实施方案中，公开的是检测脑信号(例如，从脑检测到的高频信号)并将检测到的信号与更高认知功能关联。除了其它之外，更高认知功能的实施例包括意图、言语、回忆、思维、想象以及计划(包括但不限于运动)，还有涉及想象以及其它认知过程和功能的经指导的任务。
在一些实施方案中，受试对象的脑信号被转译成言语。例如，当受试对象想象语言的一个或多个要素(包括但不限于字母、数字、词语或符号)时，检测与语言的这个要素或多个要素相关联的脑信号，并且确定语言的这个要素或多个要素。在另一实施例中，教导言语能力受损的受试对象将图像、符号、词语、字母或数字与想象移动关联。当受试对象想象这种想象移动时，检测与想象移动相关联的脑信号，并且确定与想象移动相关联的词语、字母或数字。在实施方案中，受试对象的想象移动控制显示器上的光标，从而选择受试对象意图使用的图像、符号、词语、字母或数字。在一些实施方案中，确定的图像、符号、词语、字母或数字与一个或多个其它确定的图像、符号、词语、字母或数字一起用来构造与符合语法规则的言语。在一些实施方案中，使用语音合成器来传递、和/或显示确定的图像、符号、词语、字母或数字。在一些实施方案中，脑信号和/或输出被分配非语言值，包括但不限于音调、一系列的音调、微音高、色彩、图像、电刺激、单维或多维图。在一些实施方案中，脑信号和/或输出被分配到脑信号。在一些实施方案中，脑信号随着和/或先于一个或多个内生和/或外生事件和/或状态(包括但不限于，病理和/或更改事件和/或状态)、和/或与这些事件同时发生。
在一些实施方案中，受试对象的脑信号被转译成人工假体的移动。例如，与想象移动相关联的检测到的脑信号至少部分用来控制人工假体。
在一些实施方案中，一个或多个病理记录(包括但不限于，EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP，或由受试对象意识所调制的或读出无意事件的无意信号的外围通道)用于检测一个或多个脑信号。例如，单通道的iBrain EEG记录是在尝试在语言提示后移动四肢之一的70岁的高功能ALS患者上进行的，四肢即为：左手、右手、左脚以及右脚。EEG信号使用算法(包括SPEARS算法)进行分析，以使脑信号可检测。可以获得并行视频记录。尝试移动期间，受试对象的脑活动展示延伸至γ和超高γ范围的广谱脉冲。这些脉冲在不存在实际移动的情况下存在，并在受试对象并未尝试运动时不存在。当受试对象闭上他的眼睛时，就检测到α范围中的活动。这些高带宽的生物标记展现出将有意移动链接至字库并将它们转化成言语的可能性，以向ALS患者提供利用脑信号的通信工具。
在一些实施方案中，与休息状态的不同图案相比，可以针对实际或想象移动来检测在许多频率上的激活的清楚广谱图案。这些图案匹配受试对象实际或想象移动的定时。传统光谱分析并未揭示这些图案。对病理数据的分析可以用于检测时间上与受试对象实际或想象移动相关联的脑信号。在一些实施方案中，实时发射并解析这些信号以提供基于脑的通信的另外的自由度。
本文描述的方法在以下文献中被详细公开：国际专利申请号PCT/US2006/018120；国际专利申请号PCT/US2009/064632；国际专利申请号PCT/US2010/054346；美国专利申请号8,073,574；以及Low,Philip Steven(2007).“A new way to look at sleep:separation andconvergence”.Published Thesis,University of California San DiegoElectronic Theses and Dissertations(标识号：b6635681)，这些文献以引用的方式整体并入本文。
本发明利用了一种获得动物和人两者的EEG数据并对EEG数据分类的系统和方法。所获得的EEG信号是低功率频率信号并且遵循l/f分布，由此，信号中的功率与频率逆相关，例如，成反比例。
EEG信号通常已经以称为历元(epoch)的时序增量进行检查。历元可以使用扫描窗口分成不同部分，其中扫描窗口限定了不同部分的时序增量。扫描窗口可以经由滑动窗口移动，其中滑动窗口中的部分具有重叠时序序列。例如，历元可以可替代地跨越整个时序。
在本发明的优选实施方案中，单通道的EEG足以获得指示有意(或无意或其它非预期的)脑活动的数据。
通常，比起第二更高功率频率范围，使用本发明的方法获得的源数据被调整成增加源数据的频谱的至少一个低功率频率范围内功率的动态范围。本文中描述的多项调整技术都可使用，包括归一化和频率加权。
在实施方案中，脑电图源数据被归一化，以相对于更高功率、更低频率范围数据来增加低功率更高频率范围数据，或者更普遍地，归一化不同信号部分的功率。
在调整源数据之后，可以完成各种其它处理。例如，可形象化调整过的源数据。另外，可从调整过的源数据提取低功率频率信息。例如，可从调整过的脑电图源数据提取低功率频率信息。还可从调整过的源数据提取更高功率频率信息。
此实施例或任何其它实施例中描述的方法可以是经由一个或多个计算机可读介质中的计算机可执行指令执行的计算机实现的方法。任何所示行动都可以由并入信号处理系统或任何其它信号数据分析器系统中的软件执行。例如，本发明可通过众多方式实现，包括作为过程、设备、系统、组成物质、体现在计算机可读存储介质上的计算机程序产品和/或处理器(如配置成执行联接到处理器上的存储器上存储和/或其提供的指令的处理器)实现。就此而言，图9是利用了本发明的方法和输出的计算机界面的屏幕截图。在本说明书中，这些实现方式、或本发明可采用的任何其它形式可以称为技术。一般来说，在本发明的范围内可以更改所公开的过程的步骤的次序。除非另外说明，描述为配置用于执行任务的部件(如处理器或存储器)可实现为暂时配置成在给定的时间执行任务的一般部件、或制造成执行任务的特定部件。如本文中描述，术语“处理器”是指被配置成处理数据(如计算机程序指令)的一个或多个装置、电路和/或处理核心。
另一实施方案使用多次归一化来实现更进一步动态范围增加。归一化可以通过归一化随时间的频率或随频率的时间来执行。
例如，可以接收带有至少一个低功率频率范围的脑电图数据。数据中的假象可以从源数据去除。例如，假象数据可以从源数据手动去除、或经由过滤(例如，DC过滤)或数据平滑技术从源数据自动过滤出来。源数据还可以使用分量分析(例如，主要或独立的分量分析)来预处理。源数据被分段成一个或多个历元；其中每个历元是来自时序的数据的一部分。例如，源数据可经由多种分离技术来分段成多个时段。扫描窗口和滑动窗口可用于将源数据分成时序增量。一个或多个历元随时间为一个或多个历元的功率的差异归一化。例如，在一个或多个频率上的每个历元的功率可随时间归一化，以便确定用于提取信息的合适的频率窗口。此归一化可以揭示在一个或多个频率(例如，δ、γ、α等)上的功率的低功率、静态显著偏移。可以揭示并利用任何频率范围以进行分析。在已建立合适频率窗口之后，可以针对一个或多个历元的每个计算信息。这些信息可以包括低频功率(例如，δ功率)、高频功率(例如，γ功率)、标准偏差、最大振幅(例如，绝对峰值的最大值)等类。可对针对一个或多个历元的每个计算的信息来完成进一步的计算，从而形成信息(如γ功率/δ功率、δ时间导数、γ功率/δ功率时间导数等)。时间导数可以随着先前且连续的历元计算。计算信息之后，该信息可随后随一个或多个历元被归一化。可以进行多种数据归一化技术，包括z计分和其它类似技术。
为了考虑到频谱上随时间的功率的差异而调整源数据的结果可呈现为数据的一个或多个历元。例如，频率加权的历元可呈现为调整过的源数据。
获得并输入受试对象的脑电图数据以使得数据分段成一个或多个历元。在实践中，历元具有类似(例如，相同)长度。每个长度可以经由可配置的参数调整。继而，输入一个或多个历元以随时间归一化一个或多个历元中的频率数据，从而频率加权脑电图数据的一个或多个历元。一个或多个频率加权的历元随后被输入到分类器中，以便将数据分类成有意识状态对放松或无意识状态。
例如，接收受试对象的脑电图(EEG)数据。例如，可以接收比起频谱中的第二频率范围呈现频谱中的至少一个低功率第一频率范围中的更低功率动态范围的脑电图数据。受试对象的脑电图数据分段成一个或多个历元。例如，EEG数据可经由多种分离技术来分段成一个或多个历元。扫描窗口和滑动窗口可用于将EEG数据分成一个或多个历元。在分段期间、之前或之后，源数据还可以经由直流活动过滤。源数据还可以使用分量分析(例如，主要或独立的分量分析)来预处理。整个夜间EEG数据中，更高频率(例如，γ)呈现的功率比整个夜间EEG数据中的较低频率(例如，α、δ、θ等)要低。一个或多个历元的频率功率随时间来加权。例如，在一个或多个频率上的每个历元的功率可随时间归一化，以便确定用于提取信息的合适的频率窗口。此归一化可以揭示在一个或多个频率(例如，α、δ、γ等)上的功率的低功率、静态显著偏移。另外，每个历元可由带有随时间的最高相对功率的频率表示以确定用于提取信息的合适的频率窗口。或者，可在归一化后利用分量分析(例如，主要分量分析(PCA))或独立分量分析(ICA))来进一步确定用于提取信息的合适的频率窗口。可以揭示并利用任何频率范围以进行分析。
在已建立合适频率窗口之后(例如，在对频率加权之后)，可以针对一个或多个历元的每个计算信息。这些信息可以包括低频功率(例如，α功率)、高频功率(例如，γ功率)、标准偏差、最大振幅(例如，绝对峰值的最大值)等类。可对针对一个或多个历元的每个计算的信息来完成进一步的计算，从而形成信息，如γ功率/α功率、δ时间导数、γ功率/α功率时间导数等。时间导数可以随着先前并连续的历元计算。计算信息之后，它可随后随一个或多个历元被归一化。可以进行多种数据归一化技术，包括z计分等。现在更清楚地看到的是更高频率数据。
受试对象中的意识状态基于一个或多个频率加权的历元进行分类。例如，一个或多个频率加权的历元可由任何多种群集技术(包括k-均值群集)进行群集。群集可对从历元计算的信息(例如，α功率、γ功率、标准偏差、最大振幅(γ/α)、δ时间导数、(γ/α等类)时间导数)完成。分量分析(例如，PCA或ICA)可以用来确定群集中的参数空间(例如，所用信息类型)。
群集之后，可将意识状态标志可分配给历元。指定意识状态的历元随后可呈现为历元所表示的时间段内的受试对象的有意识和放松(无意识)状态的表示。分类还可将手动确定的意识状态(例如，手动确定的“有意活动”对“放松”状态)并入。另外，假象信息可用于分类。
假象数据还可用于意识状态分类。例如，假象可以用于分析最初分配有意识状态标记的历元是否由于相邻假象数据而被重新分配新的意识状态标志。这样，例如，假象数据可利用于数据平滑技术。
分配意识状态期间，可以使用任何多种数据平滑技术。例如，数字(例如，0和1)可以用于表示指定的意识状态。相邻历元的脑状态标志数字随后可以求平均以确定历元中的一个是否未准确地分配意识状态标志。因此，一组历元应被分配表示脑状态中的阶跃(abruptjump)的意识状态标志，平滑技术可应用来改进分配的准确性。
先前实施方案已经示出归一化(例如，使用Z计分)如何允许对来自脑活动信号的更多信息进行分析。先前进行的分析随频率来归一化功率信息。归一化优选地使用Z计分，但也可以使用任何其它类型的数据归一化。使用的归一化优选地是无单位的，像Z计分。如在本领域中已知，z计分可以用于对分布归一化，而不改变分布的包络形状。z计分基本上被改为标准偏差单位。相对于信号的平均值，每个z计分归一化的单位反映信号中的功率量。计分通过从每个计分中减去均值来转换成平均偏差形式。随后，计分相对于标准偏差归一化。所有z计分归一化的单位具有等于1的标准偏差。
虽然以上描述使用Z计分的归一化，但应理解，也可进行其它归一化、包括T计分等等。还可以采用多次归一化。归一化可以通过归一化随时间的频率或随频率的时间来执行。
以上实施方案描述了归一化指定范围内的每个频率上的功率。范围可以从0至100hz，或至128hz，或至500hz。频率范围仅仅由采样率限制。使用30KHz的示例性采样率，可以完成高达15KHz的分析。
根据当前实施方案，可以实行随时间对每个频率归一化功率的另外的归一化。这导致了已随频率并随时间归一化的信息将被用来形成归一化光谱图。这个实施方案可以从脑电波数据获得另外信息，并且所述实施方案描述了从分析过的数据自动检测不同的有意识和放松时间段。根据重要特征，单通道的脑电波活动(得自人头骨上的单个位置)用于分析。如上所述，所获得的数据可为来自人或其它受试对象的单通道的EEG信息。所获得的EEG数据可以(例如)使用256Hz采样率收集，或能以更高的速率采样。数据根据频率分成历元(例如，30秒历元)并且表征。
实行第一频率归一化。功率信息使用每个频段上的z计分技术来归一化。在实施方案中，这些段可从1Hz延伸至100Hz，并且每赫兹30个段。归一化随时间发生。这形成了归一化光谱图(或者说是NS)，其中来自信号的每个频带具有基本上相同的权。在实施方案中，每个30秒历元是由“优选频率”表示，所述“优选频率”是具有在该历元内的最大z计分的频率。
这形成了称为优选频率空间的特殊频率空间。可以完成对这些图案如何形成的分析以及对图案特性的分析。因此，不同脑状态可根据判别函数进行限定，其中判别函数查找某些区域中的某个活动，以及其它区域中的无活动。所述函数可以根据区域上的哪些频率具有活动以及哪些没有活动来评估脑状态。
然而，更普遍地，可对补偿数据实行任何形式动态光谱计分。判别函数可以要求特定的值，或可仅仅要求多个频率范围内的每个频率范围中的将呈现或不呈现的某些量的活动。判别函数可以仅仅匹配频率响应的包络。判别函数还可查看光谱碎片以及时间碎片。
第二归一化随频率实行。第二归一化产生了双重归一化光谱图。这产生了其中带变得清楚得多的新的频率空间。双重归一化光谱图值可用于形成最大程度分离空间内的值的过滤器。
群集技术在双重归一化的频率上实行。例如，群集技术可为K均值技术，如在先前实施方案中所描述。每个群集可以表示意识状态。
群集实际上是多维群集，它们自身可以用图表示以便找出另外信息。维数可取决于群集变量数量。这示出了双重归一化光谱图如何同样允许更多的测量特性。
测量示出光谱碎片的随频率的归一化的功率中的平均扩展也是可能的。碎片值可替代地基于针对不同状态的时间碎片，并且也可用作判别函数的一部分。
这两个函数针对双重归一化光谱图来评估，依赖于所有频率上的增益的均匀增加，因为所导致的移动假象将会导致单独归一化光谱图中的异常评估的碎片值。这些碎片值可用作判别函数的一部分。重要地并如上所述，这个判别函数通常无法从任何先前分析技术(包括手动技术)清楚。
计算可以通过分段表征，或可使用重叠窗口或滑动窗口来增加时间配准。这使之前不可能的许多技术能够实现。通过表征动态发生事件(on-the-fly)，这使得能使用动态光谱计分来在仅仅使用脑电波标记的放松状态与有意识状态之间实现判别。
上述数据分析的示例性方法与用于人的标准无创EEG方法组合。所产生的结果是这样的能力：无创提取动物体内的衰弱节律，自动分析来自单通道的EEG的脑活动，并为动物的脑状态参数充分分类。
实施例1
单通道的iBrain EEG记录是在尝试在语言提示后移动四肢之一的70岁的高功能ALS患者上进行的，四肢即为：左手、右手、左脚以及右脚。原始EEG信号部分使用SPEARS算法进行分析，以使高频/低光谱功率信号可检测。获得并行视频记录。尝试移动期间，受试对象的脑活动展示延伸至γ和超高γ范围的清楚广谱脉冲。这些脉冲在不存在实际移动的情况下存在，并在受试对象并未尝试运动时不存在。当受试对象闭上他的眼睛时，就检测到α范围中的活动，如所预期。基于有意移动至字库来使用这些高带宽的生物标记将会允许将信号转化成言语，由此向ALS患者提供更依赖于脑而非身体的通信工具。
确切地说，应用本发明的方法揭示匹配受试对象的实际、想象或有意的移动的定时的高频图案。在示例应用中，频谱是从时序数据生成，并归一化以揭示出标准方法未揭示的这些更高频率。将这应用于脑EEG数据在图1中示出。在此实施例中，要求70岁的高功能受试对象(其为ALS患者并且无法活动)闭上眼睛，休息、或想象手或脚。对于这些任务中的每个任务，给予受试对象语言提示以便开始任务并在四秒之后给出另一提示以便停止。六秒之后，重复进行所述任务，每个任务总尝试共12次并且时间为120秒。图1示出当正在执行这些任务时ALS受试对象的标准频率功率光谱在(i)中以及增强频率功率光谱在(ii)中。更强信号呈现更红色彩，而较弱信号通过橘色、黄色以及蓝色阴影来呈现强度减小。近似对开始和结束任务的提示的定时的高频活动的空白带在增强的光谱图上呈现高强度。图1A针对闭上眼睛四秒的任务呈现了这种情况。图1B针对想象或尝试挤压左手四秒并放松六秒的任务呈现了这种情况。图1C、D、E示出相同内容，但是各自针对的是想象或尝试挤压右手、左脚以及右脚的任务。在所有情况中，在此应用中生成的光谱图清楚揭示了近似受试对象为执行指定任务做出的尝试的定时的高频光谱含量。图1F呈现针对同一受试对象但在休息时的相同的光谱分析，并且显示可以表示环境噪音、背景语音和/或基线电活动的高频含量的非常不同的定时。
实施例2
实施例1中描述的本发明的方法在ALS患者中的应用揭示近似事件时间的数据的分量。图2呈现本发明的方法的一个这种应用(在此通过对双重归一化光谱图的单通道的分量分析)以便揭示未关联的独立数据分量。图2A至E是来自如图1A至E中指示的相同任务的数据。每个绘图示出在如所描述来完全分析之后所得的提取到的独立分量，所述提取到的独立分量具有近似受试对象尝试的单独任务的峰值。绿线指示用于开始四秒任务的语言提示的定时，并且红线指示用于停止任务并且放松六秒的语言提示的时间。每个分量中的峰值通常对准将执行的任务的开始点(由绿线处的、绿线上的、或正好在绿线后的峰值点来指示)。这个分析还可组合实施例1中的分析以增强或确证事件检测和定时。
实施例3
提供的是，实施例1中描述的本发明的方法在ALS患者中对单通道的脑EEG数据的应用，其目的是评估数据稳定性并揭示表示有意动作的数据稳定性的改变。确切地说，本发明的方法对生成时间碎片的应用揭示近似有意动作的定时和持续时间的稳定性的改变。图3A至E呈现如图1A至E中指示的相同任务的时间碎片。在每个绘图中，点从负到正的偏移表示稳定性的减小。这些偏移近似的是以下两者：将开始任务的语言提示(绿线)近似为稳定性开始减小且正偏移开始，并且将结束任务的语言提示(红线)近似为数据开始稳定且正偏移结束。零线交点(紫点)在不稳定时间段内(任务期间或正好在任务之后)增加，并在稳定时间段内(每个任务之前或之后的放松时段)计数减小。这些偏移和线交点还可组合实施例1中的方法以增强或确证事件检测和定时。
实施例4
检测高频事件与实施例1的ALS患者中的低频事件和事件定时相关联。生成光谱图、随后随一个或两个数据轴线进行一次或多次归一化、接着使用双重归一化光图谱进行特征锐化、然后提取标准已知频率、频率范围、它们的总和、它们的比率和/或其它频率关系，即可揭示事件定时、间隔和/或持续时间。图4A至E呈现如图1A至B中的任务，绘出γ和超高γ(hgamma)频率范围中的总的高频功率(所有那些频率>30Hz)。在脑EEG中，这些频率中的增加功率与增高的集中度关联，如在想象移动肢体时发生的那样。高频功率总和中的峰值近似任务定时，这种定时由绿线(任务开始)和红线(任务结束)的列指示。图5A至D分别针对挤压右手、左右、右脚以及左脚呈现如图1中的任务，绘出总的α频率(8至13Hz)功率与总的γ频率功率(30至50Hz)的比率。脑EEG中的α频率的功率增加与如在尝试挤压四肢的一定时间长度之后的脑力放松关联。因此，α和γ频率功率对于这些任务而言是逆相关的，并且α与γ比率中的峰值出现在任务之间(在指示停止的红线与指示再次开始的绿线之间)。图5E示出闭上眼睛任务期间对δ频率(<5Hz)的分析。δ频率功率与眼睛睁开或闭上状态的改变关联，并且近似受试对象闭上(绿线)和睁开(红线)眼睛的定时。这些以及其它频率分析可与彼此和实施例1、2以及3中的方法组合，以便增强或确证事件检测和定时，以及使用有分析过的频率所暗示的已知相关脑状态来表征事件。
实施例5
对于第二ALS患者而言，对多个事件的同步检测在时间上是共同发生的。生成光谱图、随后随一个或两个数据轴线进行一次或多次归一化、接着特征锐化、然后提取标准已知频率、频率范围、它们的总和、它们的比率和/或其它频率关系，即可揭示一个分析中的多个事件。图8示出来自设计用于引起思维集中和偏移的增加(增加γ频率功率)的任务的数据，思维集中和偏移的增加将显示为减少和增加的放松(α频率功率的改变)。无法活动的ALS患者受试对象被命令在两个10秒想象(踢足球(绿线)和查看卧室(红线))之间交替，重复5次。图8A绘出归一化并增强的γ频率功率，从而显示交替序列开始(第一绿线，13秒处)时的急剧增加以及整个序列结束(最后一条红线，103秒处)时的后续减少。图8B绘出归一化并增强的α频率功率，从而示出两种不同想象之间的放松状态(彩色线之间的峰值)的改变。图8C绘出归一化并增强的α和γ功率，从而将对这组想象期间的γ频率功率的平稳段与改变想象时的α峰值两者的同时检测示出为一个分析中检测到的两个唯一信号。图8D绘出归一化并增强的α与超高γ(hgamma)的比率，其中序列开始处的比率下降，每个想象处有单独峰值，并且序列后的比率上升。
实施例6
使用重复归一化光谱图来却区别并且表征多于一个类型的有意事件。包括应用SPEARS算法和随后对任何两个光谱图之间的相同分布采样的柯尔莫哥洛夫-斯米尔诺夫(KS)两样本式检验的分析揭示可区别的想象机动移动。这种应用使得基于可与其它区别开的至少一个事件类型的多个自由度能够实现。来自如图1A至E列出的由无法活动的ALS受试对象执行的每个任务的10倍交叉轴线归一化光谱图的KS检验p值指示的是：每个光谱图是来自不同于休息(P<0.01)(表1)的分布，并且来自几乎任何其它任务(P<0.05)(图10)的分布，并且对于这个特定试验中的左手和右脚，这种不同程度较大，从而成为一种在检测时表征相同或多个事件的有效应用。
表1：假想任务对休息的KS检验p值
任务 与休息对比的柯尔莫哥洛夫-斯米尔诺夫p值
休息 1.00
闭上眼睛 <0.001(1.18x10-6)
挤压左手 <0.001(3.15x10-17)
挤压右手 <0.001(6.81x10-4)
挤压左脚 <0.001(8.32x10-9)
挤压右脚 <0.001(1.64x10-16)
此申请通篇中，参考各种公开、专利和/或专利申请目的在于更完全地描述本发明所属领域的状态。这些公开、专利和/或专利申请的公开内容以引用的方式整体并入本文，并且对于相同或先前句子中确切引用到这些公开内容的本主题，程度如同确切并单独地指示每个独立公开、专利和/或专利申请以引用的方式并入。
虽然以上仅仅详细公开几个实施方案，但是其它实施方案是可能的，并且发明人意图使这些实施方案涵盖在本说明书内。本说明书描述特定实施例以完成能以另一方式来完成的更普遍的目标。本公开意图是示例性的，并且权利要求书意图涵盖本领域的技术人员可预测的任何修改或替代。例如，其它应用是可能的，并且辨别功能和表征的其它形式是可能的。虽然以上非排它地描述的对频率进行表征是针对其“优选频率”而言，但应理解，对信息的更严苛的表征是可能的。另外，虽然以上仅提及从EEG数据确定意识状态，并仅提及几个不同类的意识状态确定，但应理解，也构想出其它应用。
本发明的原理已经在示例性实施方案中示出并描述，本领域的技术人员应当清楚，描述的实施例是说明性实施方案并可在不背离这些原理的情况下对布置和细节进行修改。来自任何实施例的技术都可并入任何其它实施例的一个或多个中。意图在于，仅将本说明书和实施例理解为示例性，其中本发明的真实范围和精神由所附权利要求书来指示。

Claims (29)

1.一种检测来自受试对象的有意脑信号的方法，所述方法包括：
(a)将至少单个传感器附接至所述受试对象；
(b)获得指示脑活动的数据；
(c)分析指示脑活动的所述数据；以及
(d)将所述分析过的数据与来自所述受试对象的有意更高认知功能关联。
2.根据权利要求1所述的方法，其中通过施加至少所述单个传感器至所述受试对象而无创地接收所述获得数据。
3.根据权利要求2所述的方法，其中所述至少单个传感器选自单个干传感器或单个湿传感器。
4.根据权利要求2所述的方法，其中所述获得数据是从EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP的至少单通道或由所述受试对象的意识所调制的外围通道接收。
5.根据权利要求4所述的方法，其中所述获得数据是从EEG的至少单通道接收。
6.根据权利要求5所述的方法，其中所述获得数据是从包括至少单通道EEG、EMG、EOG、MEG、ECoG、iEEG、fMRI、LFP或由所述受试对象的意识所调制的外围通道的多通道检测器接收。
7.根据权利要求2所述的方法，其中所述获得数据被无线地接收。
8.根据权利要求1所述的方法，其中所述分析步骤包括：
(a)以时间随频率方式归一化所述数据的包括归一化光谱图在内的光谱图至少一次；以及
(b)以频率随时间方式归一化相同数据的包括归一化光谱图在内的所述光谱图至少一次。
9.根据权利要求8所述的方法，其中所述分析步骤包括以下步骤：
(a)计算所述数据的所述光谱图；
(b)归一化所述光谱图一次或多次；以及
(c)执行所述归一化光谱图的主要和/或独立分量分析。
10.根据权利要求1所述的方法，其中所述分析步骤包括执行时间碎片分析的步骤。
11.根据权利要求1所述的方法，其中所述分析步骤包括执行优选频率分析的步骤。
12.根据权利要求11所述的方法，其中所述优选频率分析是在已经归一化至少两次的光谱图上执行。
13.根据权利要求1所述的方法，其中所述分析步骤包括执行光谱碎片分析的步骤。
14.根据权利要求1所述的方法，其进一步包括在所述关联步骤后，转译所述分析过的数据以影响与所述更高认知功能相关联的任务。
15.根据权利要求1所述的方法，其中所述更高认知功能选自：意图、言语、回忆、计划好的运动、思维以及想象。
16.根据权利要求11所述的方法，其中所述任务选自：在显示器上对言语进行模拟、使用语音合成器对言语进行模拟以及移动人工假体。
17.一种检测来自与至少一个无意事件相关联的受试对象的脑信号的方法，所述方法包括：
(a)将至少单个传感器附接至所述受试对象；
(b)获得指示脑电波活动的数据；
(c)分析指示脑活动的所述数据；以及
(d)将所述分析过的数据与至少一个无意事件关联。
18.根据权利要求17所述的方法，其进一步包括：在所述关联步骤后，触发警报。
19.根据权利要求17所述的方法，其进一步包括：在所述关联步骤后，响应所述无意事件来改善其影响。
20.根据权利要求19所述的方法，其中对所述无意事件的所述响应包括干涉以更改、抑制所述无意事件或为所述无意事件做出准备。
21.根据权利要求17所述的方法，其中所述无意事件选自：高碎片化事件；事件的碎片的改变；受惊；震颤；痉挛；损伤；包括但不限于癫痫发作、偏头痛、中风、心脏病发作或梗塞形成的病理。
22.根据权利要求17所述的方法，其中对所述无意事件的所述响应增强或替代多导记录仪检验。
23.根据权利要求17所述的方法，其中所述分析步骤包括执行时间碎片分析的步骤。
24.根据权利要求17所述的方法，其中所述分析步骤包括执行优选频率分析的步骤。
25.根据权利要求24所述的方法，其中所述优选频率分析是在已经归一化至少两次的光谱图上执行。
26.根据权利要求17所述的方法，其中所述分析步骤包括执行光谱碎片分析的步骤。
27.根据权利要求17所述的方法，其中所述分析步骤包括：
(a)以时间随频率方式归一化所述数据的包括归一化光谱图在内的光谱图至少一次；以及
(b)以频率随时间方式归一化相同数据的包括归一化光谱图在内的所述光谱图至少一次。
28.根据权利要求27所述的方法，其中所述分析步骤包括以下步骤：
(a)计算所述数据的所述光谱图；
(b)归一化所述光谱图一次或多次；以及
(c)执行所述归一化光谱图的主要和/或独立分量分析。
29.一种检测来自受试对象的有意信号的方法，所述方法包括：
(a)将能够检测所述有意信号的至少一个检测器附接至所述受试对象；
(b)使用EEG、EMG、EOG、MEG、ECG、ECoG、iEEG、LFP、fMRI或由所述受试对象的意识所调制的外围通道来获得指示检测到的活动的数据；
(c)分析指示所述检测到的活动的所述数据；以及
(d)将所述分析过的数据与来自所述受试对象的有意更高认知功能关联。
CN201380011124.3A 2012-01-24 2013-01-24 将脑信号与脑状态的有意改变和无意改变关联 Active CN104135920B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201261590235P 2012-01-24 2012-01-24
US61/590,235 2012-01-24
US13/749,619 US9364163B2 (en) 2012-01-24 2013-01-24 Correlating brain signal to intentional and unintentional changes in brain state
US13/749,619 2013-01-24
PCT/US2013/023033 WO2013112771A1 (en) 2012-01-24 2013-01-24 Correlating brain signal to intentional and unintentional changes in brain state

Publications (2)

Publication Number Publication Date
CN104135920A true CN104135920A (zh) 2014-11-05
CN104135920B CN104135920B (zh) 2017-03-22

Family

ID=48873925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380011124.3A Active CN104135920B (zh) 2012-01-24 2013-01-24 将脑信号与脑状态的有意改变和无意改变关联

Country Status (8)

Country Link
US (2) US9364163B2 (zh)
JP (5) JP2015504764A (zh)
KR (1) KR102118757B1 (zh)
CN (1) CN104135920B (zh)
CA (1) CA2862524A1 (zh)
HK (1) HK1201706A1 (zh)
IL (3) IL292112B2 (zh)
WO (1) WO2013112771A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113625870A (zh) * 2021-07-29 2021-11-09 南京航空航天大学 基于语言想象的脑-机接口控制系统和方法
DE202021106795U1 (de) 2021-12-14 2022-02-04 Jupitara Hazarika Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale
CN114081509A (zh) * 2021-11-12 2022-02-25 郑州市中心医院 一种脑电波中癫痫电波识别方法及系统

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2502011B (en) * 2011-01-21 2015-03-04 Fondamenta Llc Electrode for attention training techniques
WO2015006235A1 (en) * 2013-07-12 2015-01-15 The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of The University Of Oregon Powered prosthetic devices using emg-based locomotion state classifier
US20150081226A1 (en) * 2013-08-26 2015-03-19 Samah G. Abdel Baki Managing electroencephalogram analysis
ES2781121T3 (es) * 2014-11-14 2020-08-28 Fundacion Tecnalia Res & Innovation Sistema para rehabilitación motora de una extremidad con parálisis parcial en pacientes que han sufrido un derrame cerebral
US10588534B2 (en) * 2015-12-04 2020-03-17 Colorado Seminary, Which Owns And Operates The University Of Denver Motor task detection using electrophysiological signals
NL2020601B1 (en) * 2018-03-16 2019-09-26 Stichting Vu Method of determining brain activity
KR102111970B1 (ko) * 2018-04-17 2020-05-18 연세대학교 원주산학협력단 장애 심사 평가를 위한 거짓말 탐지 기기 및 이것의 제어 방법
KR102522342B1 (ko) 2020-06-12 2023-04-18 고려대학교 산학협력단 뇌 활성도에 기반한 클러스터링 기술을 활용하여 사용자 간 신호 보정 과정을 최소화하는 뇌 컴퓨터 인터페이스 장치 및 동작 방법
KR102599193B1 (ko) * 2021-12-23 2023-11-07 대한민국(국립재활원장) 뇌파 기반 인지 기능 평가 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030153841A1 (en) * 2000-02-19 2003-08-14 Kerry Kilborn Method for investigating neurological function
US20070016095A1 (en) * 2005-05-10 2007-01-18 Low Philip S Automated detection of sleep and waking states
CN101576772A (zh) * 2009-05-14 2009-11-11 天津工程师范学院 基于虚拟仪器稳态视觉诱发电位脑机接口系统及控制方法
US20100016752A1 (en) * 2003-12-31 2010-01-21 Sieracki Jeffrey M System and method for neurological activity signature determination, discrimination, and detection
US20100168603A1 (en) * 2008-12-23 2010-07-01 Himes David M Brain state analysis based on select seizure onset characteristics and clinical manifestations

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5083571A (en) 1988-04-18 1992-01-28 New York University Use of brain electrophysiological quantitative data to classify and subtype an individual into diagnostic categories by discriminant and cluster analysis
FR2657443B1 (fr) 1990-01-24 1992-05-15 Blanchet Gerard Procede et appareil de traitement de signal electro-encephalographique.
US6317627B1 (en) 1999-11-02 2001-11-13 Physiometrix, Inc. Anesthesia monitoring system based on electroencephalographic signals
JP2002000577A (ja) 2000-06-23 2002-01-08 Canon Inc 脳波解析方法
US6731975B1 (en) 2000-10-16 2004-05-04 Instrumentarium Corp. Method and apparatus for determining the cerebral state of a patient with fast response
KR100508885B1 (ko) 2001-06-29 2005-08-18 림스테크널러지주식회사 뇌파 파라미터를 사용한 뉴로피드백 훈련을 위한 무선 시스템
DE10139705A1 (de) 2001-08-11 2003-04-03 Draeger Medical Ag Vorrichtung zur Messung der Körpertemperatur
US7373198B2 (en) 2002-07-12 2008-05-13 Bionova Technologies Inc. Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram
JP2004236682A (ja) * 2003-02-03 2004-08-26 Canon Inc 脳波による文字入力方法、及び装置
US6993380B1 (en) 2003-06-04 2006-01-31 Cleveland Medical Devices, Inc. Quantitative sleep analysis method and system
US8055348B2 (en) 2004-03-16 2011-11-08 Medtronic, Inc. Detecting sleep to evaluate therapy
US7915005B2 (en) 2005-11-09 2011-03-29 Washington University In St. Louis Methods for detecting sleepiness
KR100847137B1 (ko) 2006-05-09 2008-07-18 한국전자통신연구원 휴대형 생체신호 측정장치
US20090253996A1 (en) 2007-03-02 2009-10-08 Lee Michael J Integrated Sensor Headset
US20090048506A1 (en) * 2007-08-13 2009-02-19 Fong-Ichimura Alina K Method and system for assessing brain function using functional magnetic resonance imaging
US7574254B2 (en) * 2007-11-13 2009-08-11 Wavesynch Technologies, Inc. Method for monitoring attentiveness and productivity in a subject
JP2008168148A (ja) * 2008-03-03 2008-07-24 Japan Science & Technology Agency 脳波の評価方法及びその評価装置
JP2012508628A (ja) 2008-11-14 2012-04-12 ニューロヴィジル，インク． 睡眠と覚醒のパターンの識別の方法およびその利用
JP5798565B2 (ja) 2009-10-27 2015-10-21 ニューロヴィジル，インク． 頭部ハーネスと無線ｅｅｇ監視システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030153841A1 (en) * 2000-02-19 2003-08-14 Kerry Kilborn Method for investigating neurological function
US20100016752A1 (en) * 2003-12-31 2010-01-21 Sieracki Jeffrey M System and method for neurological activity signature determination, discrimination, and detection
US20070016095A1 (en) * 2005-05-10 2007-01-18 Low Philip S Automated detection of sleep and waking states
US20100168603A1 (en) * 2008-12-23 2010-07-01 Himes David M Brain state analysis based on select seizure onset characteristics and clinical manifestations
CN101576772A (zh) * 2009-05-14 2009-11-11 天津工程师范学院 基于虚拟仪器稳态视觉诱发电位脑机接口系统及控制方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113625870A (zh) * 2021-07-29 2021-11-09 南京航空航天大学 基于语言想象的脑-机接口控制系统和方法
CN114081509A (zh) * 2021-11-12 2022-02-25 郑州市中心医院 一种脑电波中癫痫电波识别方法及系统
DE202021106795U1 (de) 2021-12-14 2022-02-04 Jupitara Hazarika Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale

Also Published As

Publication number Publication date
IL292112B2 (en) 2024-02-01
CA2862524A1 (en) 2013-08-01
JP2015504764A (ja) 2015-02-16
IL233796A0 (en) 2014-09-30
IL305494A (en) 2023-10-01
IL292112A (en) 2022-06-01
JP2020072895A (ja) 2020-05-14
US20160287119A1 (en) 2016-10-06
US9364163B2 (en) 2016-06-14
US20140031711A1 (en) 2014-01-30
HK1201706A1 (zh) 2015-09-11
KR20140124381A (ko) 2014-10-24
KR102118757B1 (ko) 2020-06-04
CN104135920B (zh) 2017-03-22
JP2023179741A (ja) 2023-12-19
JP7372358B2 (ja) 2023-10-31
JP2018033974A (ja) 2018-03-08
IL292112B1 (en) 2023-10-01
JP2022051579A (ja) 2022-03-31
IL233796B (en) 2022-05-01
WO2013112771A1 (en) 2013-08-01
US9820663B2 (en) 2017-11-21

Similar Documents

Publication Publication Date Title
CN104135920B (zh) 将脑信号与脑状态的有意改变和无意改变关联
US20150245800A1 (en) Method for Detection Of An Abnormal Sleep Pattern In A Person
Gourévitch et al. Oscillations in the auditory system and their possible role
CN109222906B (zh) 一种基于脑部电信号构建疼痛状态预测模型的方法
Strauss et al. Predicting the loss of responsiveness when falling asleep in humans
CN101833669A (zh) 视听联合刺激产生事件相关电位的特征提取方法
Das et al. A review on gaming effects on cognitive load for smart healthcare and its security
CN109480866A (zh) 一种利用瞳孔测量ppi的方法
Gan et al. Electroencephalogram of Happy Emotional Cognition Based on Complex System of Music and Image Visual and Auditory
Demanuele et al. Slow neuronal oscillations in the resting brain vs task execution: A BSS investigation of EEG recordings
Comsa Tracking brain dynamics across transitions of consciousness
EP2806790B1 (en) Correlating brain signal to intentional and unintentional changes in brain state
Kyllönen Unsupervised representation learning visualization for brain activity dynamics
Lu et al. A system based on machine learning for improving sleep
Schulze et al. Interindividual Differences of Inhibitory Control in Healthy Young Adults: The Theta/Beta Ratio as Potential Neural Marker
Al-Qazzaz et al. EEG Neuro-markers to Enhance BCI-based Stroke Patient Rehabilitation.
Chen Neuro-ergonomic Research for Online Assessment of Cognitive Workload
Milsap Leveraging Spatiotemporal Relationships of High-frequency Activation in Human Electrocorticographic Recordings for Speech Brain-Computer-Interface
Fu et al. A Spatiotemporal Deep Learning Framework for Scalp EEG-based Automated Pain Assessment in Children
Mithu Comparison of Visual Evoke Potential, Spectrogram, and Model-Based EEG Analyses in Human Color Perception
Zhou et al. Electroencephalography-Based Assessment of Severe Disorders of Consciousness
HUSSEIN HANDS-FREE DRAWING USING ELECTROENCEPHALOGRAM (EEG) SYSTEM AND EYE TRACKING
Wang et al. Alertness staging based on improved self-organizing map
Benevides A Brain-computer Interface Architecture Based On Motor Mental Tasks And Music Imagery.
Gunnarsdottir Towards Automating Sleep Stage Scoring to Diagnose Sleep Disorders

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1201706

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1201706

Country of ref document: HK